Data / IA
L’intelligence artificielle, une arme puissante pour améliorer la résolution des problèmes informatiques
Par La rédaction, publié le 14 décembre 2020
En matière de résolution des problèmes informatiques, le constat est sévère. Malgré des investissements entre 10 % et 15 % du budget et entre 10 % et 20 % des ressources humaines dédiées, l’efficacité du management des incidents informatiques n’est pas toujours au rendez-vous.
Par Antoine Gourévitch, Directeur associé senior, BCG
Dans une période de crise et d’incertitude inédite, les entreprises ont plus que jamais besoin de s’appuyer sur des systèmes robustes et résilients. Or, la plupart d’entre elles adoptent encore une maintenance réactive. Les équipes sont trop occupées à éteindre les incendies pour regarder d’où vient la fumée.
L’intelligence artificielle met à profit l’analyse des données pour hiérarchiser les tickets, identifier les sources des dysfonctionnements et anticiper les défaillances.
Le déploiement des technologies de l’IA dans les opérations informatiques peut significativement améliorer l’efficacité, augmenter la productivité et réduire les coûts de 20 % à 30 %. Ces bénéfices ne viennent pas uniquement de la mise en place de la technologie et des analyses de ses algorithmes. Pour donner toute sa puissance, l’IA exige de travailler sur une meilleure gouvernance des données, sur ses process et sur son modèle opérationnel.
La résolution des problèmes représente une des applications les plus probantes de l’IA et constitue, selon nous, un premier cas d’usage très intéressant. Les équipes du support informatique interviennent souvent trop tard et peinent à trouver la solution rapidement. En cause, une mauvaise classification des tickets issus de collecteurs de données organisés en grandes catégories qui masquent leurs interactions. Les services informatiques avancent alors « en aveugle ».
Cette mauvaise classification rend également impossible une analyse a posteriori de l’incident afin d’en identifier les causes et de dégager des axes d’amélioration.
Pour obtenir une meilleure qualification des tickets, il faut s’appuyer sur deux techniques de la data science : le traitement naturel du langage (NLP) et l’apprentissage automatique (machine learning).
Les algorithmes du NLP décryptent le contenu des tickets et identifient d’éventuelles corrélations entre eux. Cette analyse permet de les classer plus finement en sous-catégories et de les attribuer plus rapidement aux équipes concernées. Mieux, l’historique des tickets passé au crible du traitement naturel du langage donne des informations clés sur la source des problèmes.
Ces données, une fois traitées par les technologies du machine learning, représentent ainsi le socle d’une maintenance prédictive plus efficace et plus productive. En détectant des signaux faibles, les services informatiques anticipent ou atténuent fortement l’impact des incidents. L’IA peut même aller plus loin en prévenant l’émergence d’anomalies inhabituelles ou inconnues. Une telle anticipation optimise la gestion des incidents et en améliore les résultats.
Pour s’engager dans cette voie, encore faut-il organiser une gouvernance des données efficace et opérationnelle. La mise en place d’une plateforme digitale reste incontournable pour développer l’IA et ses algorithmes. Mais cela ne suffit pas.
Si l’on veut véritablement optimiser leur impact, les entreprises doivent aller plus loin. Nous avons observé une règle. Dans la création de valeur attendue de l’IA, 10 % provient des algorithmes, 20 % de la technologie et 70 % des transformations engagées dans les process de collecte et de sélection des données, mais aussi dans l’organisation du travail.
En affinant les classifications des tickets, les responsabilités des différentes équipes informatiques peuvent être redistribuées et mieux ciblées, libérant ainsi la productivité. Autre changement induit par l’IA, l’identification des sources de dysfonctionnement objective l’allocation des ressources de la maintenance, facilitant la prise de décision.
Pour tirer pleinement profit de l’intégration de l’IA dans leurs opérations informatiques, les entreprises doivent procéder progressivement en priorisant le déploiement des cas d’usage et en construisant pas à pas le modèle qui convient le mieux à leur stratégie et à leur organisation.
